Tensorflow中的placeholder和feed_dict的使用

时间:2021-05-22

TensorFlow 支持占位符placeholder。占位符并没有初始值,它只会分配必要的内存。在会话中,占位符可以使用 feed_dict 馈送数据。

feed_dict是一个字典,在字典中需要给出每一个用到的占位符的取值。

在训练神经网络时需要每次提供一个批量的训练样本,如果每次迭代选取的数据要通过常量表示,那么TensorFlow 的计算图会非常大。因为每增加一个常量,TensorFlow 都会在计算图中增加一个结点。所以说拥有几百万次迭代的神经网络会拥有极其庞大的计算图,而占位符却可以解决这一点,它只会拥有占位符这一个结点。

placeholder函数的定义为

tf.placeholder(dtype, shape=None, name=None)

参数:

dtype:数据类型。常用的是tf.int32,tf.float32,tf.float64,tf.string等数据类型。
shape:数据形状。默认是None,也就是一维值。
也可以表示多维,比如要表示2行3列则应设为[2, 3]。
形如[None, 3]表示列是3,行不定。
name:名称。

返回:Tensor类型

例1

import tensorflow as tfx = tf.placeholder(tf.string)with tf.Session() as sess: output = sess.run(x, feed_dict={x: 'Hello World'}) print(output)

运行结果:Hello World

例2

import tensorflow as tfx = tf.placeholder(tf.string)y = tf.placeholder(tf.int32)z = tf.placeholder(tf.float32)with tf.Session() as sess: output = sess.run(x, feed_dict = {x :'Hello World', y:123, z:45.67}) print(output) output = sess.run(y, feed_dict = {x :'Hello World', y:123, z:45.67}) print(output) output = sess.run(z, feed_dict = {x :'Hello World', y:123, z:45.67})print(output)

运行结果:

Hello Word
123
45.66999816894531

例3:

import tensorflow as tfimport numpy as npx = tf.placeholder(tf.float32, shape=(3, 3)) y = tf.matmul(x, x) with tf.Session() as sess: rand_array = np.random.rand(3, 3)print(sess.run(y, feed_dict = {x: rand_array}))

运行结果:

[[0.62475741 0.40487182 0.5968855 ]
[0.17491265 0.08546661 0.23616122]
[0.53931886 0.24997233 0.56168258]]

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章